原创博客,转载请注明:http://my.oschina.net/BreathL/blog/75112
最近做了一个项目,要求找出二度人脉的一些关系,就好似新浪微博的“你可能感兴趣的人” 中,间接关注推荐;简单描述:即你关注的人中有N个人同时都关注了 XXX 。
在程序的实现上,其实我们要找的是:若 User1 follow了10个人 {User3,User4,User5,... ,User12}记为集合UF1,那么 UF1中的这些人,他们也有follow的集合,分别是记为: UF3(User3 follow的人),UF4,UF5,...,UF12;而在这些集合肯定会有交集,而由最多集合求交产生的交集,就是我们要找的:感兴趣的人。
我在网上找了些,关于二度人脉算法的实现,大部分无非是通过广度搜索算法来查找,由于深度已经明确了2以内;这个算法其实很简单,第一步找到你关注的人;第二步找到这些人关注的人,最后找出第二步结果中出现频率最高的一个或多个人,即完成。
但如果有千万级别的用户,那在运算时,就肯定会把这些用户的follow 关系放到内存中,计算的时候依次查找;先说明下我没有明确的诊断对比,这样做的效果不一定就不如 基于hadoop实现的好;只是自己,想用hadoop实现下,最近也在学;若有不足的地方还请指点。
首先,我的初始数据是文件,每一行为一个follow 关系 ida+‘\t’+idb;表示 ida follow idb。其次,用了2个Map/Reduce任务。
Map/Reduce 1:找出 任意一个用户 的 follow 集合与 被 follow 的集合。如图所示:
![海量数据的二度人脉挖掘算法(Hadoop 实现)_第1张图片](http://img.e-com-net.com/image/info5/adf3485225fb4e20a2bd7300fe409a9f.jpg)
代码如下:
Map任务: 输出时 key :间接者 A 的ID ,value:follow 的人的ID 或 被follow的人的ID
01 |
public void map(Text key, IntWritable values, Context context) throws IOException,InterruptedException{ |
02 |
int value = values.get(); |
04 |
String[] _key = Separator.CONNECTORS_Pattern.split(key.toString()); |
07 |
context.write( new Text(_key[ 0 ]), new Text( "f" +_key[ 1 ])); |
08 |
context.write( new Text(_key[ 1 ]), new Text( "b" +_key[ 0 ])); |
Reduce任务: 输出时
key :间接者 A 的ID , value为 两个String,第一个而follow的所有人(用分割符分割),第二个为 被follow的人(同样分割)
01 |
protected void reduce(Text key, Iterable<TextPair> pairs, Context context) |
02 |
throws IOException,InterruptedException{ |
03 |
StringBuilder first_follow = new StringBuilder(); |
04 |
StringBuilder second_befollow = new StringBuilder(); |
06 |
for (TextPair pair: pairs){ |
07 |
String id = pair.getFirst().toString(); |
08 |
String value = pair.getSecond().toString(); |
09 |
if (id.startsWith( "f" )){ |
10 |
first_follow.append(id.substring( 1 )).append(Separator.TABLE_String); |
11 |
} else if (id.startsWith( "b" )){ |
12 |
second_befollow.append(id.substring( 1 )).append(Separator.TABLE_String); |
16 |
context.write(key, new TextPair(first_follow.toString(),second_befollow.toString())); |
其中Separator.TABLE_String为自定义的分隔符;TextPair为自定义的 Writable 类,让一个key可以对应两个value,且这两个value可区分。
Map/Reduce 2:在上一步关系中,若B follow A,而 A follow T ,则可以得出 T 为 B 的二度人脉,且 间接者为A ,于是找出 相同二度人脉的不同间接人。如图所示:
![海量数据的二度人脉挖掘算法(Hadoop 实现)_第2张图片](http://img.e-com-net.com/image/info5/973221851f024b6eb55f5b3d142d3b71.png)
代码如下:
Map 任务:输出时 key 为 由两个String 记录的ID表示的 二度人脉关系,value 为 这个二度关系产生的间接人的ID
01 |
public void map(Text key, TextPair values, Context context) throws IOException,InterruptedException{ |
05 |
String[] follow = values.getFirst().toString().split(Separator.TABLE_String); |
07 |
String[] befollow = values.getSecond().toString().split(Separator.TABLE_String); |
09 |
for (String f : follow){ |
10 |
for (String b : befollow){ |
13 |
context.write( new TextPair(f.getKey() ,b.getKey()), new Text(key)); |
Reduce任务:输出时 key 仍然为二度人脉关系, value 为所有间接人 的ID以逗号分割。
01 |
protected void reduce(TextPair key, Iterable<Text> values, Context context) |
02 |
throws IOException, InterruptedException { |
04 |
StringBuilder resutl = new StringBuilder(); |
05 |
for (Text text : values){ |
06 |
resutl.append(text.toString()).append( "," ); |
09 |
context.write(key, new Text(resutl.toString())); |
到这步,二度人脉关系基本已经挖掘出来,后续的处理就很简单了,当然也可以基于二度人脉挖掘三度,四度:)